基于組合賦權法的疫苗供應鏈流程風險評估

楊滿意 牛莉霞

關鍵詞疫苗;供應鏈;最優最劣法;熵權法;組合賦權法;風險評估

現階段，全球疫苗需求數量龐大，這不僅給疫苗生產帶來了巨大壓力，也使冷鏈運輸面臨巨大挑戰。與其他供應鏈相比，疫苗供應鏈具有質量要求高、時效性強、損失代價大的特性。相關研究表明，運輸是疫苗冷鏈中最薄弱的環節，容易發生疫苗超溫等風險[1]。2016 年“山東疫苗事件”中，涉案疫苗未經嚴格冷鏈運輸存儲，導致疫苗超溫，在全國范圍內引起了群眾的疫苗恐慌情緒。數據顯示，“山東疫苗事件”后，家長拒絕讓兒童接種疫苗的比例高達50%[2]。疫苗供應鏈風險一旦發生，極易造成疫苗供應不及時、疫苗療效減弱甚至失效等后果，危及群眾的生命安全。因此，對疫苗供應鏈運作流程中的風險因素進行識別和評估，明確各流程風險對疫苗供應鏈整體風險的重要程度，有助于疫苗供應鏈中的利益相關主體分級分層制定風險治理策略，做到重點、精準管控。

目前，國內外學者關于疫苗風險評估的研究主要聚焦于2 個方面：一是疫苗藥品生產或運輸環節的風險評估，常用方法包括失效模式及后果分析（failure modeand effect analysis）、故障樹分析（fault tree analysis）等;二是疫苗供應鏈風險的評估，常用方法包括以決策實驗室法為基礎的網絡層次分析法（decision-making-trialand evaluation-laboratory-based analytic network process）、模糊層次分析法（fuzzy analytic hierarchy process）等。但通過綜述現有研究發現，在對疫苗供應鏈風險進行評估時，基于供應鏈全過程視角的研究相對較少。即使基于供應鏈全過程，風險評估時所用數據也主要依賴于專家打分結果，并未與客觀數據相結合。因此，將主客觀方法進行組合運用到疫苗供應鏈風險評估中仍待進一步開展。李剛等[3]結合案例證明了主客觀組合賦權法的可行性。與單一賦權法相比，組合賦權法有效避免了單獨使用某一種賦權方法的缺點，并且能夠充分利用專家的經驗和數據本身的信息，使得賦權結果更加客觀[4]。因此，本文采用最優最劣法（best-worst method，BWM）確定指標主觀權重，采用熵權法確定指標客觀權重，并運用Lagrange 乘子法求解出指標的最優組合權重，以得到更加客觀的評估結果，為疫苗供應鏈中利益相關方制定風險管控策略提供參考。

1 疫苗供應鏈風險因素初始集的構建

1.1 風險評價指標體系構建原理

結合供應鏈的定義[5]，本文將疫苗供應鏈定義為：圍繞疫苗這一核心產品，從疫苗用物料采購開始，由疫苗生產企業制造出成品，經配送網絡運至疫苗接種點，最終完成人員接種，將疫苗用物料供應商、疫苗生產企業、各級疾控中心和防疫部門、被接種人員連接為一體的功能型網絡。從定義來看，疫苗供應鏈的結構模式非常清晰——以疫苗生產企業為核心，上一級為疫苗用物料供應商，下一級為各級疾控中心和防疫部門，物流運輸通常為企業自營物流或第三方物流企業。但與其他供應鏈相比，疫苗供應鏈具有其特殊性，主要表現在產品特性、時效性及損失代價等方面。也正是由于疫苗供應鏈自身特殊性的存在，使得風險損失和風險管控難度大大增加。

風險評價指標體系的最終構建需經過多個步驟，如風險因素初始集的確立、灰色關聯分析的篩選、秩相關分析的篩選、指標體系合理性檢驗等。風險因素初始集作為風險評價指標體系整個構建過程的基礎，其確立尤為重要。而依據上述疫苗供應鏈的定義，本文選取由國際供應鏈協會（Supply Chain Council）提出的供應鏈運作參考（supply chain operations reference，SCOR）模型作為風險診斷工具[6]，同時也將其作為風險評價指標體系構建的理論基礎。SCOR模型不僅能清晰地將疫苗供應鏈結構組成描述出來，還能系統地識別出疫苗供應鏈中的潛在風險因素。此外，為使結果更加全面，在對疫苗生產企業的生產流程風險進行識別時，本文引入全面質量管理理論，從“人、機、料、法、環”，即疫苗生產人員、設備、原料、方法、環境5 個角度確定生產流程中的風險因素。

1.2 風險因素初始集確立

為有效避免風險因素的確立受到主觀隨意性的影響，本文在風險因素初始集確立時，遵循科學性、顯著性、可操作性等原則[7]，圍繞疫苗供應鏈內部運作流程，從計劃、采購、生產、配送及退貨流程角度出發，將SCOR模型中所包含的具體活動與疫苗生產企業自身特點相結合[8]，并參考國內外文獻中出現頻率較高的疫苗風險因素[9-13]，科學、合理地分析疫苗供應鏈中存在的風險，從而構建出如表1 所示的疫苗供應鏈風險因素初始集。

2 風險評價指標篩選與體系構建

2.1 指標篩選

以問卷調查的形式邀請5 位疫苗供應鏈領域的專家，從“系統性、科學性、可操作性、顯著性、簡明性”5 個維度對本文構建的風險因素初始集進行打分，各維度滿分為20 分，最終以專家對各維度打分之和作為初始數據結果。結合初始數據，按照圖1 所示的構建思路對表1中的指標進行篩選。將灰色關聯分析與秩相關分析2 種方法相結合對風險指標體系進行定量篩選，既能精簡風險指標的數量，又能保證篩選出的指標間不存在信息重復和最大程度替代初始集指標的信息含量，使得指標篩選結果更具合理性、科學性與客觀性[14]。

2.1.1 灰色關聯分析篩選指標采用極差法對初始數據進行標準化，根據標準化數據計算比較序列與母序列的絕對差值。從計算出的絕對差值中找出兩級最大差和兩級最小差，并運用關聯系數求解公式計算出關聯系數ξ（i k），最后計算出關聯度。在對風險因素初始集進行第1 次篩選時，將界定閾值設定為各指標的灰色關聯度均值，并據此進行篩選。剔除小于均值的指標，反之則保留。具體計算結果見表2，其中將原料核準水平、倉儲管理水平、交叉感染、流程方法準確性、變更研究充分性、消毒方式及頻率、產成品管控水平7 個指標刪除。

2.1.2 秩相關分析篩選指標經過第1 輪灰色關聯分析篩選后，對得以保留的20 個指標的數據使用SPSS 26 軟件處理，得到各指標間的Spearman 相關系數。依據秩相關分析篩選原則，將疫苗供應鏈風險指標之間相關系數大于0.9 的指標挑選出來，用字母i 和j 對存在信息共線的指標進行編號，并刪除灰色關聯度較低的指標。根據第2 次秩相關分析的計算結果如表3 所示，其中將產品微粒和微生物污染、設備使用規范性2 個指標刪除，保留產品環境污染與生產操作規范性指標。

2.1.3 風險評價指標體系合理性判定基于主成分-信息熵的方法[15]，運用信息貢獻測算模型對表2 和風險因素初始集中指標的標準化數據進行處理，計算得到最終構建的疫苗供應鏈風險評價指標體系與風險因素初始集的信息貢獻比值為85%，大于合理性判定標準的臨界值80%，且僅用了67%的指標反映了85%的疫苗供應鏈風險信息量，表明最終構建的疫苗供應鏈風險評價指標體系具有合理性。

2.2 風險評價指標體系的最終確定

運用灰色關聯分析和秩相關分析2 種方法對風險因素初始集進行雙重篩選，將無法高度替代原始信息量及存在信息共線的指標予以刪除，從而確立最終的疫苗供應鏈風險評價指標體系，詳見表4。

3 疫苗供應鏈風險評價指標權重確定

風險評價指標體系構建完成后，需確定各風險指標的權重。在多準則決策問題中，指標權重的確定直接影響評價指數的準確程度。評估結果的合理性也取決于權重設置是否具有科學性。因此，選擇科學合理的賦權方法對于指標權重的確定至關重要。主觀和客觀賦權法作為目前常用的指標權重確定方法，各有其弊端。使用主觀賦權法時決策主觀隨意性大，容易造成評估結果不穩定;而客觀賦權法又不能直接反映指標本身的重要性。

為有效克服單一使用主客觀賦權法的弊端，本文在對所構建的疫苗供應鏈風險評價指標權重進行確定時，采用主客觀組合賦權的方式。選取BWM和熵權法作為指標賦權的主觀和客觀方法。此外，為使最終評估結果更客觀，更好地為決策提供參考，本文采用Lagrange 乘子法進行組合賦權，求解出最優組合權重，得到疫苗供應量風險評價指標的評估結果。

3.1 BWM確定指標權重

BWM是由Rezaei[16]于2015 年提出的一種新的多準則決策方法。該方法基于指標兩兩比較的思想，先由決策者從評價指標中集中選取最優、最劣指標，再與其他指標比較，從而構造出最優和最劣指標的比較向量[17]。

相較于傳統的層次分析法，BWM只需進行（2n-3）次比較，降低了比較次數，簡化了復雜的比較過程，能夠有效降低因評價過程繁瑣帶來的邏輯混亂和失誤風險，有助于提高一致性檢驗通過效率，使賦權結果更為可靠。

3.2 熵權法確定指標權重

判斷一個指標的離散程度通常使用熵值。指標的重要程度和離散程度與熵值大小成反比。熵值越小，指標的重要程度和離散程度就越高;如果指標熵值相等，則說明指標的重要性相同[17]。因此，在確定指標權重時，熵權法被廣泛采用，為多準則評價提供了依據。

4 算例分析

依據上述疫苗供應鏈風險評價指標權重確定過程，本文以國內5 家生產相同疫苗產品的企業數據為初始樣本（其中難以獲取的初始數據，以問卷調查形式邀請供應鏈領域的專家打分），并運用式（1）～（3）對原始數據進行標準化處理，得到疫苗供應鏈風險評估評價矩陣p：

運用式（4）、（5）對各級指標熵值進行求解，結果見表5。再依據式（6）求解出各級指標權重，結果見表6 第③、④列。

利用熵權法求出各一級指標和二級指標的熵值，并依據計算結果，進行指標的重要性排序，從而選出最優和最劣指標。以一級指標為例，選取生產流程風險為最優指標，退貨流程風險為最劣指標，并將生產流程風險和其他指標，以及其他指標與退貨流程風險進行兩兩比較，得到最優和最劣比較向量，分別為A3=（4，2，1，3，9）和A5=（3，6，9，4，1）T。

通過MATLAB 軟件求解一級指標權重如表6 第⑥列所示。其中ξ=0.394，求得CR 值為0.08，小于0.1，表明通過一致性檢驗。同理，運用BWM確定各二級指標的權重，并將計算結果匯總，見表6 第⑤、⑥列。同時，根據ξ值對CR求解，結果顯示CR值均小于0.1，表明各判斷矩陣均通過了一致性檢驗。

根據上述BWM 和熵權法指標賦權結果，利用Lagrange 乘子法進行組合賦權，得到最優組合權重，結果見表6 第⑦、⑧列。

評估結果顯示，生產流程風險組合權重為0.607，在疫苗供應鏈整體風險中所占權重最高，其余依次為采購（0.234）、配送（0.102）、計劃（0.053）、退貨（0.004）流程風險。這表明在各流程風險中，生產流程風險與疫苗供應鏈的整體風險關聯性最大，重要程度最高，該流程風險的管控對整個疫苗供應鏈的有效運行影響最大。因此，在對風險進行管控時，企業應高度重視疫苗生產環節的風險因素。而其他流程風險，雖然權重占比較低，但仍不可忽視。此外，還應對各流程中具體的風險因素進行治理，重點關注權重排名前2 位的風險因素，如產品用物料不合格、物料混淆使用、質量穩定性、供應準時性、設備運行狀況、人力資源水平、供需預測準確率、風險意識水平、產品質量等。將有限的資源與精力投入到最重要、最亟待解決的風險問題中，這也是對疫苗供應鏈風險進行評估的目的和價值所在。

5 結論

本文基于SCOR模型和全面質量管理理論，對疫苗供應鏈流程運行中的風險進行了分析，識別出27 個風險因素。采用灰色關聯分析和秩相關分析2 種方法對風險因素初始集進行篩選，共刪除9 個指標，得到篩選后的疫苗供應鏈風險評價指標體系。運用主成分-信息熵方法對所構建的風險指標評價體系合理性進行檢驗，結果顯示僅用67%的指標反映了85%的疫苗供應鏈風險信息量，表明疫苗供應鏈風險指標體系的構建具有合理性。相較于現有研究，本文采用定性與定量相結合的方法，克服了僅運用定性方法而導致的指標間信息重復或冗余的問題。

同時，本研究基于BWM-熵權法-Lagrange 乘子法模型對疫苗供應鏈風險進行評估，結果顯示生產流程風險組合權重為0.607，在疫苗供應鏈整體風險中所占權重最高，其余依次為采購、配送、計劃、退貨流程風險。依據風險評估結果，可更好地指導疫苗供應鏈風險治理對策的制定與實施。但本文主要集中于疫苗供應鏈流程風險評估，并未對流程風險的相關治理進行充分研究，存在一定的局限性。在今后的研究中，可根據本文相關結論，對疫苗供應鏈風險治理對策做進一步探討，以建立一條安全的疫苗供應鏈。